CONSTRUÇÃO DE UM DATASET DE CODE SMELLS NA LINGUAGEM DE PROGRAMAÇÃO FUNCIONAL ELIXIR

Descrição

A manutenção de software e a preservação da qualidade estrutural do código constituem desafios relevantes na Engenharia de Software. Nesse contexto, a identificação de code smells pode auxiliar na detecção de problemas que comprometem a manutenibilidade e favorecem a degradação do código. Entretanto, o desenvolvimento e a avaliação de ferramentas de detecção dependem da disponibilidade de conjuntos de dados representativos e de qualidade. Embora grande parte dos estudos existentes esteja concentrada no paradigma Orientado a Objetos, linguagens funcionais, como Elixir, ainda apresentam escassez de datasets voltados à identificação de code smells. Além disso, a construção desses conjuntos de dados envolve um trade-off entre o custo e o tempo associados à curadoria manual e os problemas de qualidade decorrentes da geração totalmente automatizada. Diante desse cenário, este trabalho propõe uma abordagem semiautomática, baseada em Grandes Modelos de Linguagem (LLMs), para a criação de datasets de code smells em Elixir. A abordagem combina técnicas de Geração Aumentada por Recuperação (RAG) para orientar a geração de exemplos realistas, oráculos de testes automatizados para verificar a preservação do comportamento do código e o uso de LLM-as-a-Judge como mecanismo de validação. Pretendemos também realizar um benchmarking para avaliar a capacidade de alguma LLM em detectar smells presentes no dataset gerado. Dessa forma, busca-se estabelecer um processo de geração de datasets que combine a escalabilidade da automação com mecanismos de validação capazes de assegurar a qualidade e a representatividade dos exemplos produzidos.

Palavras-chave

• Qualidade de Software
• Code Smells
• Inteligência Artificial
• Elixir
• Programação Funcional
• Geração de Dados

Grupo de pesquisa

Sistemas de Informação